Die Fähigkeit, die Geometrie von Objekten gemeinsam zu verstehen und Aktionen zur Manipulation dieser zu planen, ist für intelligente Agenten entscheidend. Wir bezeichnen diese Fähigkeit als geometrisches Planen. Kürzlich wurden viele interaktive Umgebungen vorgeschlagen, um intelligente Agenten in verschiedenen Fähigkeiten zu bewerten, jedoch gibt es keine, die den Anforderungen des geometrischen Planens gerecht werden. Wir stellen PackIt vor, eine virtuelle Umgebung zur Bewertung und potentiellen Lernung der Fähigkeit des geometrischen Planens, bei der ein Agent eine Reihe von Aktionen durchführen muss, um eine Menge von Objekten in eine Box mit begrenztem Platz zu packen. Zudem erstellen wir eine Reihe anspruchsvoller Packaufgaben mithilfe eines evolutionären Algorithmus. Des Weiteren untersuchen wir verschiedene Baseline-Methoden für diese Aufgabe, darunter modellfreie lernbasierte und heuristikbasierte Ansätze sowie suchbasierte Optimierungsverfahren, die Zugang zum Modell der Umgebung voraussetzen. Der Quellcode und die Daten sind unter https://github.com/princeton-vl/PackIt verfügbar.