Los vehículos autónomos (AVs) dependen en gran medida de sensores multimodales para percibir su entorno y tomar decisiones en tiempo real. Sin embargo, la creciente complejidad de estos sensores, combinada con las demandas computacionales de los modelos de IA y los desafíos de sincronizar datos entre múltiples entradas, presenta obstáculos significativos para los sistemas AV. Estos desafíos del dominio AV a menudo conducen a una latencia de rendimiento, lo que resulta en decisiones tardías y causa importantes accidentes de tráfico. La unidad concentradora de datos (DCU) aborda estos problemas optimizando los flujos de datos e implementando mecanismos de control inteligentes para procesar eficientemente los datos del sensor. Identificar y abordar los cuellos de botella que contribuyen a la latencia puede mejorar el rendimiento del sistema, reduciendo la necesidad de costosas actualizaciones de hardware o modelos de IA avanzados. Este documento presenta una herramienta de medición de retraso para análisis multi-nodo, que permite monitorear sincrónicamente los flujos de datos en plataformas de hardware conectadas, como las DCUs sincronizadas con reloj. La herramienta propuesta rastrea el flujo de ejecución de las aplicaciones de software y evalúa los retrasos en diferentes etapas del flujo de datos en hardware sincronizado con reloj. Las diferentes etapas se representan con una visualización gráfica intuitiva, lo que simplifica la identificación de cuellos de botella de rendimiento.