El avance de Internet de Vehículos Autónomos ha facilitado el desarrollo e implementación de numerosas aplicaciones a bordo. Sin embargo, las tareas sensibles a la demora generadas por estas aplicaciones presentan enormes desafíos para los vehículos con recursos informáticos limitados. Además, estas tareas suelen ser interdependientes, lo que impide la computación en paralelo y prolonga considerablemente los tiempos de finalización, lo que resulta en un consumo sustancial de energía. La tecnología de transferencia de tareas ofrece una solución efectiva para mitigar estos desafíos. Las estrategias de transferencia tradicionales, sin embargo, se quedan cortas en el entorno altamente dinámico de Internet de Vehículos. Este documento propone un esquema de transferencia de tareas basado en aprendizaje profundo por refuerzo para optimizar la estrategia entre vehículos y recursos informáticos periféricos. El problema de transferencia de tareas se modela como un Proceso de Decisión de Markov, y se introduce un algoritmo mejorado de gradiente de política determinista doble retrasado, LT-TD3, para mejorar el proceso de toma de decisiones. La integración de LSTM y un mecanismo de autoatención en la red LT-TD3 potencia su capacidad de extracción y representación de características. Además, considerando la dependencia de tareas, se emplea un algoritmo de ordenación topológica para asignar prioridades a sub tareas, mejorando así la eficiencia de la transferencia de tareas. Los resultados experimentales demuestran que la estrategia propuesta reduce significativamente las demoras de las tareas y el consumo de energía, ofreciendo una solución efectiva para el procesamiento eficiente de tareas y el ahorro de energía en vehículos autónomos.