A medida que los vehículos autónomos continúan avanzando y los sistemas de transporte inteligente se implementan a nivel mundial, las redes vehiculares ad hoc (VANETs) están convirtiéndose cada vez más en parte de Internet, creando el Internet de los Vehículos (IoV). En un marco de IoV, los vehículos se comunican entre sí, con unidades de carretera (RSUs) y la infraestructura circundante, aprovechando la computación en el borde, la niebla y la nube para diversas tareas. Estas redes deben soportar la movilidad vehicular dinámica y cumplir con estrictos requisitos de Calidad de Servicio (QoS), como latencia ultra baja y alto rendimiento. Las redes inalámbricas terrestres a menudo no satisfacen estas necesidades, lo que ha llevado a la integración de Vehículos Aéreos No Tripulados (UAVs) en los sistemas de IoV. Los transceptores de UAV proporcionan conexiones superiores de línea de vista (LOS) con los vehículos, ofreciendo mejor conectividad que las RSUs basadas en tierra y sirviendo como RSUs móviles (mRSUs). Los UAVs mejoran el rendimiento de IoV de varias maneras, pero los métodos de optimización tradicionales son inadecuados para entornos vehiculares dinámicos. Como resultado, estudios recientes han estado incorporando algoritmos de Inteligencia Artificial (IA) y Aprendizaje Automático (ML) en sistemas de IoV asistidos por UAV para mejorar el rendimiento de la red, particularmente en áreas complejas como la asignación de recursos, el enrutamiento y la gestión de la movilidad. Este artículo de revisión analiza la última investigación en IA/ML en redes UAV-IoV, con un enfoque en la gestión de recursos y trayectorias y el enrutamiento. Analiza diferentes técnicas de IA, sus características de entrenamiento y arquitecturas de varios estudios; aborda las limitaciones de los métodos de IA, incluida la demanda de recursos computacionales, la disponibilidad de datos del mundo real y la complejidad de los modelos de IA en contextos de UAV-IoV; y considera las direcciones futuras de investigación en UAV-IoV.