在三维环境中对复杂物体进行精确的6D位姿估计，对于实现有效的机器人操作至关重要。然而，现有的基准测试在评估6D位姿估计方法时，难以反映真实工业场景下的性能表现，因为大多数数据集聚焦于家庭环境中的日常物品，而现有的少量工业数据集也仅限于人工搭建的场景，且物体通常放置在桌面上。为弥补这一差距，我们提出了CHIP——首个专为机器人臂在真实工业环境中操作椅子任务而设计的6D位姿估计数据集。CHIP包含七种不同类型的椅子，采用三种不同的RGBD传感技术进行采集，具有诸多独特挑战，例如具有细微差异的干扰物体，以及由机器人臂和人工操作员引起的严重遮挡。该数据集共包含77,811幅RGBD图像，其真实6D位姿标签通过机器人运动学自动推导获得，平均每种椅子包含约11,115个标注。我们采用三种零样本6D位姿估计方法对CHIP进行了基准测试，评估了不同传感器类型、定位先验信息以及遮挡程度下的性能表现。实验结果表明，当前方法仍有显著的提升空间，凸显了该数据集所面临的独特挑战。CHIP数据集将对外公开发布。