En escenarios de rescate de emergencia, los drones pueden estar equipados con diferentes cargas útiles según sea necesario para ayudar en tareas como la exploración de desastres, la conciencia situacional, el apoyo a la comunicación y la asistencia material. Sin embargo, las misiones de rescate suelen enfrentar desafíos como límites de reconocimiento limitados, redes de comunicación heterogéneas, fusión de datos compleja, alta latencia en las tareas y resistencia limitada del equipo. Para abordar estos problemas, se ha diseñado un sistema de soporte de emergencia no tripulado adaptado a escenarios de rescate de emergencia. Este sistema aprovecha la tecnología de computación en la nube de borde 5G para proporcionar acceso a redes de alta velocidad y flexibles junto con soporte de potencia de computación elástica, reduciendo la complejidad de la fusión de datos a través de redes heterogéneas. Soporta el control y la transmisión de datos de los drones mediante la separación del plano de control y el plano de datos. Además, al aplicar el método de descomposición de Tammer para descomponer el problema de optimización del sistema, se propone el Algoritmo Global de Aprendizaje de Gaviota para Mapeo Gaussiano (GLSOAG) para optimizar conjuntamente el consumo de energía y la latencia del sistema. A través de experimentos de simulación, el GLSOAG demuestra ventajas significativas sobre el Algoritmo de Optimización de Gaviota (SOA), el Algoritmo de Optimización por Enjambre de Partículas (PSO) y el Algoritmo de Búsqueda de Antenas de Escarabajo (BAS) en términos de velocidad de convergencia, precisión de optimización y estabilidad. El enfoque de optimización del sistema reduce efectivamente el consumo de energía y los costos de latencia del sistema. En general, nuestro trabajo alivia en cierta medida los puntos críticos enfrentados en los escenarios de rescate.