Beim multimodalen Lernen werden Eingabesignale von unterschiedlichen Quellen (wie Audio- und Bildsignale) herangezogen und in Zusammenhang gebracht, um darauf aufbauend eine passende Aktion zur Bewältigung der Aufgabe abzuleiten.

Aus: Fraunhofer-Gesellschaft (2018): Maschinelles Lernen – eine Analyse zu Kompetenzen, Forschung und Anwendung