Los vehículos aéreos no tripulados (UAVs) han ganado considerable atención en la comunidad de investigación debido a su excepcional agilidad, maniobrabilidad y posibles aplicaciones en campos como la vigilancia, la computación de borde de acceso múltiple (MEC) y varios otros dominios. Sin embargo, proporcionar de manera eficiente servicios de descarga de computación para dispositivos de Internet de las Cosas (IOTDs) concurrentes sigue siendo un desafío significativo para los UAVs debido a sus limitadas capacidades de computación y comunicación. En consecuencia, optimizar y gestionar los recursos limitados de computación, comunicación y energía de los UAVs es esencial para establecer una infraestructura de red aérea eficiente. Para abordar este desafío, investigamos el problema de optimización colaborativa de descarga de computación en un entorno de MEC asistido por UAV que comprende múltiples UAVs y múltiples IODTs. Nuestro objetivo principal es obtener estrategias eficientes de descarga dentro de un entorno UAV multi-heterogéneo caracterizado por capacidades limitadas de computación y comunicación. En este contexto, modelamos el problema como un proceso de decisión de Markov multiagente (MAMDP) para tener en cuenta la dinámica ambiental. Empleamos un enfoque de gradiente de política determinista profunda multiagente (MADDPG) para la descarga de tareas. Posteriormente, realizamos simulaciones para evaluar la eficiencia de nuestro esquema de descarga propuesto. Los resultados resaltan mejoras significativas logradas por la estrategia de descarga propuesta, incluido un notable aumento en la tasa de finalización del sistema y una reducción significativa en el consumo promedio de energía del sistema.