本文提出一种基于多智能体强化学习（MARL）的计算卸载方法，用于无人机辅助边缘计算场景。该方法将任务分配与带宽分配解耦为两个智能体决策，并设计优势评估函数解决信用分配问题。通过建模为马尔可夫决策过程，综合考虑任务依赖性、动态信道状态和能量约束，最小化平均响应时间。仿真验证了算法的收敛性与优越性能。

本文改进CHOMP算法并应用于非完整车辆，如带拖车的自动驾驶卡车和差速驱动机器人，提出引入滚动与前进约束的扩展CHOMP方法。通过在沃尔沃FH-16卡车和Turtlebot机器人上的仿真与实测实验，验证了该方法可生成平滑、无碰撞且满足运动学约束的轨迹，适用于港口等受限环境中的局部路径优化。