セマンティックシーン理解は、特に非舗装環境において堅牢かつ安全な自律走行を実現する上で不可欠である。近年の3次元セマンティックセグメンテーションにおけるディープラーニングの進展は、大規模な訓練データセットに大きく依存しているが、現存する自律走行データセットは都市環境を主な対象としており、多モーダルな非舗装環境データを含まないものが多い。本研究では、こうしたギャップを埋めるために、非舗装環境で収集された多モーダルデータセット「RELLIS-3D」を提供する。本データセットには、13,556枚のLiDARスキャンデータと6,235枚の画像が含まれており、テキサスA&M大学のRellisキャンパスで収集されたものである。このデータセットは、クラスの不均衡や環境の地形的複雑さといった、既存のアルゴリズムに課題を提示する特徴を有している。さらに、本データセット上で最新のディープラーニングによるセマンティックセグメンテーションモデルの性能を評価した。実験結果から、都市環境向けに設計された既存のアルゴリズムが、RELLIS-3Dに対しては依然として困難を抱えていることが明らかになった。本研究で提示するこの新規データセットは、研究者がより高度なアルゴリズムの開発を進めるための基盤を提供し、非舗装環境における自律走行の性能向上に向けた新たな研究課題の探求を可能にする。RELLIS-3Dは、https://github.com/unmannedlab/RELLIS-3D にて公開されている。