Con el rápido desarrollo de la computación en el borde móvil (MEC) y las redes de comunicación de vehículos aéreos no tripulados (UAV), la computación en el borde asistida por UAV ha surgido como un paradigma prometedor para la computación de baja latencia y eficiente en energía. Sin embargo, la naturaleza variable en el tiempo de los canales aire-tierra y el acoplamiento entre las trayectorias de los UAV y las decisiones de descarga de computación aumentan significativamente la complejidad del sistema. Para abordar estos desafíos, este documento propone un Marco de Inteligencia en el Borde Adaptativa para UAV (AUEIF) para la descarga de computación conjunta de UAV y la optimización de trayectorias bajo canales dinámicos. Específicamente, se construye un modelo de sistema basado en grafos dinámicos para caracterizar la correlación espaciotemporal entre el movimiento del UAV y las variaciones del canal. Se desarrolla un marco de optimización basado en aprendizaje por refuerzo jerárquico, en el que un módulo actor-crítico de alto nivel es responsable de generar trayectorias de vuelo de UAV de grano grueso, mientras que una red Q profunda de bajo nivel realiza la optimización de grano fino de las proporciones de descarga de tareas y la asignación de recursos computacionales en tiempo real. Además, se integra un módulo de predicción de canal adaptativo que aprovecha redes de memoria a largo y corto plazo (LSTM) para modelar las transiciones del estado del canal temporal y asistir en el aprendizaje y actualizaciones de políticas. Resultados de simulación extensivos demuestran que el AUEIF propuesto logra mejoras significativas en la latencia de extremo a extremo, la eficiencia energética y la estabilidad general del sistema en comparación con enfoques convencionales de aprendizaje por refuerzo profundo y esquemas basados en heurísticas, mientras exhibe una fuerte robustez contra condiciones de canal inalámbrico dinámicas y fluctuantes.