Con la creciente demanda de desarrollo de aplicaciones de editores de tareas (por ejemplo, empresas automovilísticas) en el Internet de los Vehículos (IoV), el aprendizaje federado (FL) puede ser utilizado para permitir que los usuarios de vehículos (VUs) realicen entrenamiento local de aplicaciones sin divulgar datos. Sin embargo, los desafíos de la conectividad intermitente de los VUs, la baja proactividad y los recursos limitados son problemas inevitables en el proceso de FL. En este artículo, proponemos un marco de FL asistido por UAV en el contexto del IoV. Este marco incluye una etapa de incentivos y una etapa de entrenamiento. Los UAV actúan como servidores centrales, que ayudan a incentivar a los VUs, gestionar los recursos contribuidos por los VUs y proporcionar agregación de modelos, asegurando la eficiencia de la comunicación y la mejora de la movilidad en FL. Los resultados numéricos muestran que, en comparación con los algoritmos de referencia, el algoritmo propuesto reduce el consumo de energía en un 50.3% y mejora la velocidad de convergencia del modelo en un 30.6%.