GraspClutter6D là một bộ dữ liệu nắm bắt thực tế quy mô lớn được thiết kế để giải quyết vấn đề nắm bắt vật thể mạnh mẽ trong môi trường phức tạp cho robot. Để khắc phục các cảnh đơn giản và sự thiếu đa dạng của các bộ dữ liệu hiện có, nó chứa 1.000 cảnh phức tạp dày đặc (14,1 đối tượng/cảnh, 62,6% che khuất) , 52.000 hình ảnh RGB-D của 200 đối tượng được chụp từ nhiều góc độ khác nhau trong 75 cấu hình môi trường khác nhau (hộp, kệ và bàn), 736.000 tư thế đối tượng 6D và 9,3 tỷ lần nắm bắt có thể của robot. Trong bài báo này, chúng tôi sử dụng bộ dữ liệu này để đánh giá hiệu suất của các phương pháp phân đoạn, ước tính tư thế đối tượng và phát hiện nắm bắt tiên tiến, đồng thời chứng minh rằng các mạng nắm bắt được đào tạo trên GraspClutter6D vượt trội hơn các mạng được đào tạo trên các bộ dữ liệu hiện có trong cả mô phỏng và thử nghiệm thực địa. Bộ dữ liệu, bộ công cụ và công cụ chú thích được cung cấp công khai.
