时间泄漏 TemporalLeakage: 就是后续有事件发生，然后才有了这个结果，但是在该事件发生之前，不应该预测该结果。 Temporal Leakage 问题是往往导致纵向Planning不“果断”。

解决方案：

• 人工标注出时间发生的时刻
  真值只监督时间发生之前的，在评测中也如此
  Path监督完整GT，Traj 只监督/ 评测未来 2s
  Traj 对GT 监督 离当前时刻越近权重越大，越远则越小， Weight Decay

• 自动标注
  rule-based：在每个sample的gt 上 定义滑窗，利用前后滑窗内的平均加速度变化 如果超过某个threshold 则 mask 后者滑窗的数据
  self-labeling: 网络自己去学时间发生点p，Loss 计算 mask 掉 p 之后的 traj_pred & traj_gt.
  用diffusion去重新给真值
  Shifted Time Window：训练集永远比事件早 Δt（例如 5 s），保证 GT 不含事件后运动