La capacité de comprendre conjointement la géométrie des objets et de planifier des actions pour les manipuler est cruciale pour les agents intelligents. Nous appelons cette capacité la planification géométrique. Récemment, de nombreux environnements interactifs ont été proposés pour évaluer les agents intelligents sur diverses compétences, cependant, aucun d'entre eux ne répond aux besoins de la planification géométrique. Nous présentons PackIt, un environnement virtuel conçu pour évaluer et potentiellement apprendre la capacité à effectuer une planification géométrique, où un agent doit exécuter une séquence d'actions pour emballer un ensemble d'objets dans une boîte à espace limité. Nous avons également construit un ensemble de tâches d'emballage complexes en utilisant un algorithme évolutionnaire. De plus, nous étudions diverses méthodes de base pour cette tâche, incluant des approches basées sur l'apprentissage sans modèle et des méthodes heuristiques, ainsi que des méthodes d'optimisation basées sur la recherche qui supposent l'accès au modèle de l'environnement. Le code source et les données sont disponibles à l'adresse suivante : https://github.com/princeton-vl/PackIt.