3차원 환경에서 복잡한 물체의 정확한 6차원(6D) 자세 추정은 효과적인 로봇 조작을 위해 필수적이다. 그러나 기존의 평가 기준은 현실적인 산업 환경에서의 6D 자세 추정 방법을 평가하는 데 한계가 있다. 대부분의 데이터셋은 가정 환경에서 사용되는 가구류 물체에 집중하고 있으며, 산업용 데이터셋은 테이블 위에 배치된 인공적인 설정에 국한되어 있다. 이러한 격차를 메우기 위해, 우리는 실제 산업 환경에서 로봇 팔에 의해 조작되는 의자에 대한 6D 자세 추정을 위한 첫 번째 데이터셋인 CHIP을 제안한다. CHIP은 세 가지 다른 RGBD 센싱 기술을 활용해 촬영한 일곱 가지 서로 다른 의자로 구성되며, 로봇 팔과 인간 작업자에 의해 발생하는 심각한 가림 현상과 미세한 차이를 가진 방해 물체 등 고유한 도전 과제를 제공한다. CHIP은 로봇의 운동학적 정보로부터 자동으로 추출된 정답 6D 자세 레이블이 부여된 총 77,811개의 RGBD 이미지로 구성되어 있으며, 의자당 평균 11,115개의 레이블을 포함한다. 우리는 세 가지 제로샷(Zero-shot) 6D 자세 추정 방법을 활용하여 CHIP을 평가하였으며, 다양한 센서 유형, 위치 사전 지식(prior), 그리고 가림 정도에 따른 성능을 분석하였다. 실험 결과는 기존 방법의 성능 향상 여지가 여전히 크며, 데이터셋이 제시하는 독특한 도전 과제를 강조한다. CHIP은 공개적으로 배포될 예정이다.