本文研究了无限时段熵正则化马尔可夫决策过程中的Fisher-Rao策略梯度流的全球收敛性，证明其能够指数级收敛到最优策略，并探讨了自然策略梯度算法的改进及其收敛速度。研究表明，采用适应性步长的策略梯度方法在强化学习中表现出良好的性能和稳定性。