GraspClutter6D es un conjunto de datos de agarre a gran escala en entornos reales, diseñado para abordar el problema del agarre robusto de objetos en entornos saturados para robots. Supera las escenas simples, las bajas tasas de oclusión y la falta de diversidad de los conjuntos de datos existentes. Incluye 1000 escenas densamente saturadas (promedio de 14,1 objetos por escena, tasa de oclusión del 62,6 %), 200 objetos y 75 configuraciones de entorno (cajas, estantes, mesas) y capturas multipunto con cuatro cámaras RGB-D. Se proporcionan anotaciones completas, incluyendo 736 000 poses de objetos 6D y 9300 millones de posibles agarres de robots para imágenes RGB-D de 52 000. Comparamos los métodos de vanguardia existentes de segmentación, estimación de la pose de objetos y detección de agarre para analizar la tarea en entornos saturados y demostramos que una red de agarre entrenada con GraspClutter6D supera a las redes entrenadas con conjuntos de datos existentes, tanto en simulaciones como en experimentos reales. El conjunto de datos, el kit de herramientas y las herramientas de anotación están disponibles públicamente.
