Con el vigoroso desarrollo de industrias como la conducción autónoma, la inteligencia en el borde y el Internet Industrial de las Cosas (IIoT), la cantidad y tipo de datos generados son inusualmente grandes, y la demanda de los usuarios por servicios de alta calidad continúa aumentando. La informática en el borde ha surgido como un nuevo paradigma, proporcionando recursos de almacenamiento, computación y redes entre los centros de datos en la nube tradicionales y los dispositivos finales con una puntualidad sólida. Por lo tanto, el problema de asignación de recursos en el proceso de externalización de tareas en línea es el principal área de investigación. Está dirigido al problema de externalización de tareas de clientes sensibles al retraso bajo restricciones de capacidad en el escenario de tareas en línea. En este documento, se diseña un nuevo algoritmo de gestión de externalización de tareas en línea colaborativo en el borde basado en el método de aprendizaje profundo de refuerzo OTO-DRL. Con base en eso, se llevan a cabo un gran número de simulaciones en conjuntos de datos sintéticos y reales, tomando el reconocimiento y detección de obstáculos en la conducción no tripulada como tarea específica y experimento. En comparación con otros métodos avanzados, OTO-DRL puede realizar de manera efectiva el aumento en el número de tareas solicitadas por los usuarios de terminales móviles en el campo de la colaboración en el borde mientras garantiza la calidad del servicio de solicitudes de tareas con mayor prioridad.